Primary Care Transformation During a Pandemic: Rapid Reforms Focused on Outreach Approaches and Intersectoral Collaboration to Better Serve Vulnerable Populations
Notice bibliographique
Résumé
This article examines how existing primary care services were transformed in Québec during COVID-19 to better serve the most vulnerable individuals for whom inequities and access difficulties increased during the pandemic. In the context of a research project, six particularly promising practices to respond to these challenges were identified within one Centre intégré universitaire de santé et de services sociaux (CIUSSS). Using van Gestel et al.’s (2018) framework, which focuses on timing, ideas and institutional contexts, these practices are analyzed as rapid reforms, that is, policy responses or innovations that are initiated at an unusual pace in high pressure contexts, such as the COVID-19 pandemic, that provide an unprecedented window of opportunity to transform primary care services. The extreme pressure exerted on politicians and public decision-makers to act quickly created a context, characterized in certain circumstances by a decentralization of decision-making in the health system and greater agency by frontline actors, favouring bottom-up innovations. Despite the emergence of various rapid reforms, certain longer-term questions arise regarding their potential for sustainability, because their implementation has not been based on an in-depth redefinition of institutional structures and logics, which rests on the long-term adoption of new norms and values. Cet article examine comment les services de première ligne ont été transformés au Québec pendant la COVID-19 afin de mieux desservir les clientèles vulnérables, pour lesquels les inégalités et les difficultés d'accès se sont accrues pendant la pandémie. Dans le cadre d'un projet de recherche, six pratiques particulièrement prometteuses en réponse à ces enjeux ont été identifiées au sein d'un Centre intégré universitaire de santé et de services sociaux (CIUSSS). En utilisant le cadre de van Gestel et al. (2018), qui s’attarde au timing, aux idées et aux contextes institutionnels, ces pratiques sont analysées comme des réformes rapides, c'est-à-dire des politiques ou des innovations initiées à un rythme inhabituel dans un contexte de fortes pressions, tel que la pandémie de la COVID-19, et offrant une fenêtre d'opportunité sans précédent pour transformer les services de première ligne. La pression extrême exercée sur les politiciens et les décideurs publics pour qu'ils agissent rapidement a créé un contexte, caractérisé dans certaines circonstances par une décentralisation de la prise de décision dans le système de santé et une plus grande capacité d’action des acteurs sur le terrain, favorisant les innovations « du bas vers le haut » (bottom-up). Malgré l'émergence de ces réformes rapides, certaines questions à plus long terme se posent quant à leur potentiel de pérennisation, car leur mise en œuvre n'a pas été fondée sur une redéfinition en profondeur des structures et logiques institutionnelles, qui repose sur l'adoption à plus long terme de nouvelles normes et valeurs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,017 | 0,012 |
| Communication savante | 0,009 | 0,004 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».